Likui Zhang

AtomicVLA框架通过原子抽象增强机器人技能学习

研究人员推出了一种名为AtomicVLA的新型框架，旨在增强机器人视觉-语言-动作（VLA）模型的能力。该系统通过实现长时域、多步骤问题解决和持续技能获取，解决了当前单一VLA模型的局限性。AtomicVLA通过技能引导专家混合（SG-MoE）方法实现这一点，该方法构建了一个可扩展的原子技能库，并通过一个路由编码器促进新技能的添加，以实现终身学习。